[논문 리뷰] Aggregation and long memory: recent developments

Remigijus Leipus, Anne Philippe외 2명|arXiv (Cornell University)|2013. 06. 14.

Complex Systems and Time Series Analysis참고 문헌 57인용 수 7

한 줄 요약

이 논문은 최근의 무작위 계수 AR(1) 과정의 동시 집계에 관한 진전을 검토하며, 이러한 집계가 결과적인 거시 과정에서 장기 기억성을 생성할 수 있음을 보여준다. 개별 AR(1) 과정의 자기상관 계수 밀도가 단위근에서 규칙적으로 변화할 경우, 집계된 과정이 공분산과 스펙트럼 밀도에서 거듭제곱 법칙에 따라 감쇠하는 장거리 의존성을 보임을 입증한다. 이는 경제계량 시계열에서 장기 기억성을 설명하는 마이크로 기반 이론를 제공한다.

ABSTRACT

It is well-known that the aggregated time series might have very different properties from those of the individual series, in particular, long memory. At the present time, aggregation has become one of the main tools for modelling of long memory processes. We review recent work on contemporaneous aggregation of random-coefficient AR(1) and related models, with particular focus on various long memory properties of the aggregated process.

연구 동기 및 목표

• 무작위 계수를 가진 이질적인 AR(1) 과정의 동시 집계가 집계된 거시 과정에서 장기 기억성을 어떻게 생성할 수 있는지 조사하는 것.
• 계수 밀도가 단위근에서 규칙적으로 변화할 경우 집계된 과정가 장거리 의존성을 보이는 조건을 명확히 하는 것.
• 관측된 집계된 시계열에서 자기상관 계수의 혼합 밀도를 추정하기 위한 통계적 추정 방법을 개발하고 분석하는 것.
• 이론적 프레임워크를 비정규 및 랜덤 필드 모델로 확장하고, 추정기의 일致성 및 점근 정규성을 평가하는 것.
• 경제 시계열에서 장기 기억성의 마이크로경제적 기반을 제공하여 '허위 장기 기억성'에 기반한 설명에 대응하는 것.

제안 방법

• 독립적이고 동일하게 분포된 무작위 계수 AR(1) 과정과 독립적이고 동일하게 분포된 오차항을 사용하여, 시계열 집계를 통해 거시 과정 $\mathfrak{X}_N(t)$ 를 정의한다.
• 고전적 중심극한정리 적용을 통해 $\mathfrak{X}_N(t)$ 의 유한차원 분포가 정적 가우시안 과정 $\mathfrak{X}(t)$ 로 약한 수렴함을 보인다.
• 계수 밀도 $\phi(x) \sim c_\phi (1-x)^\beta$ 가 $x=1$ 근처에서 성립할 경우, 공분산 함수의 점근적 행동 $\mathrm{E}\mathfrak{X}(0)\mathfrak{X}(t) \sim c \, t^{-\beta}$ 를 유도한다. 여기서 $0 < \beta < 1$.
• 집계된 과정의 스펙트럼 밀도를 분석하여, $y \to 0$ 일 때 $f(y) \sim c_f \, y^{-(1-\beta)}$ 라는 결과를 도출함으로써 저주파수 특이성을 통해 장기 기억성을 확인한다.
• 집계된 과정의 표본 공분산을 기반으로, $L^2$ 공간에서 가중치 $(1-x^2)^\alpha$ 를 갖는 Gegenbauer 다항식 전개를 사용하여 혼합 밀도 $\phi$ 의 비모수적 추정을 제안한다.
• 모수적 추정 및 최대우도기반 추정 방법을 적응적으로 적용하며, 추정된 계수의 절단 및 $n$, $N$, $h$ 에 대한 정규성 조건 하에서 수렴성을 확보한다.

실험 결과

연구 질문

• RQ1 이질적인 AR(1) 과정의 동시 집계가 집계된 과정에서 장기 기억성을 유도하는 조건은 무엇인가?
• RQ2 집계된 과정의 스펙트럼 밀도는 장기 기억성을 어떻게 반영하며, 영역 주파수 근처에서의 점근적 행동은 어떠한가?
• RQ3 관측된 집계된 시계열 데이터로부터 자기상관 계수의 혼합 밀도 $\phi$ 는 일致적으로 추정할 수 있는가?
• RQ4 제안된 비모수적 및 모수적 추정기의 점근적 성질(일치성 및 정규성)은 무엇인가?
• RQ5 결과는 비정규 및 랜덤 필드 모델로 어떻게 확장되며, 이러한 설정에서 기존 추정기의 한계는 무엇인가?

주요 결과

• 계수 밀도 $\phi(x)$ 가 $x=1$ 에서 지수 $\beta \in (0,1)$ 로 규칙적으로 변화할 경우, 집계된 과정 $\mathfrak{X}(t)$ 는 장기 기억성을 보이며, 이로 인해 공분산이 거듭제곱 법칙에 따라 감쇠한다: $\mathrm{E}\mathfrak{X}(0)\mathfrak{X}(t) \sim c \, t^{-\beta}$.
• 집계된 과정의 스펙트럼 밀도는 영역 주파수에서 $f(y) \sim c_f \, y^{-(1-\beta)}$ 로 행동하여, 저주파수 특이성을 통해 장기 기억성의 존재를 확인한다.
• Gegenbauer 다항식 전개를 기반으로 한 비모수적 추정기 $\widehat{\phi}_n(x)$ 는 $L^2$-가중치 의미에서 일치한다. 적절한 $K_n \sim \gamma \log n$ 선택 조건 하에서 $\int_{-1}^1 \frac{\mathrm{E}(\widehat{\phi}_n(x) - \phi(x))^2}{(1-x^2)^\alpha} dx \to 0$.
• 고정된 $x \in (-1,1)$ 에 대해 추정기 $\widehat{\phi}_n(x)$ 는 점근적으로 정규분포를 따르며, $\frac{\widehat{\phi}_n(x) - \mathrm{E}\widehat{\phi}_n(x)}{\sqrt{\mathrm{Var}(\widehat{\phi}_n(x))}} \xrightarrow{d} N(0,1)$.
• 추정된 $\sigma^2 = \widehat{\gamma}_n(0) - \widehat{\gamma}_n(2)$ 를 사용한 수정된 추정기 역시 확률적으로 일치하며, $\int_{-1}^1 \frac{(\widehat{\phi}_n(x) - \phi(x))^2}{(1-x^2)^\alpha} dx \xrightarrow{P} 0$.
• 모수적 가정(예: 베타 분포) 하에서 최대우도기반 추정기 $\phi$ 는 조건 $n,N \to \infty$, $h \to 0$, $\sqrt{N}h^{\min(p,q)} \to 0$, $\sqrt{N}h^{-2}n^{-1} \to 0$ 하에서 일치하고 점근적으로 정규분포를 따른다.